特斯拉FSD极速进化，专家: Dojo可直接挑战谷歌云

8月19日，特斯拉在美国举办特斯拉人工智能日（AI Day）活动，公布了特斯拉纯视觉方案FSD的进展、神经网络自动驾驶训练、D1芯片、Dojo超级计算机等重磅信息，此后引发各方积极评价。

美国麻省理工学院(MIT)深度学习与人工智能(AI)研究科学家Lex Fridman发推文表示，特斯拉人工智能日展示了他一生中见过最令人赞叹的真实世界AI和工程努力。Fridman在YouTube开设的频道拥有125万名订阅者。在加入MIT之前，他在谷歌(Google)从事机器学习工作。

Fridman认为，特斯拉可以通过自行研发的Dojo(道场)超级计算机芯片提供“AI训练即服务(AI Training As A Service)”，直接挑战的是全球最大云端服务商AWS(Amazon Web Services)与谷歌云(Google Cloud)，没有理由让Dojo局限于自动辅助驾驶Autopilot的运算。

第一位破解iPhone、PlayStation 3的知名黑客、Comma.ai创办人George Hotz在接受Fridman“AI播客”系列专访时指出，特斯拉将会赢得Level 5自动驾驶竞赛的最后胜利，Comma.ai将会晚特斯拉1-2年抵达终点，Comma.ai将会是自驾车界的Android系统，特斯拉将是自驾车产业的苹果。

特斯拉CEO马斯克(Elon Musk)7月26日在2021年第2季财报电话会议上表示，完全自动辅助驾驶(FSD)是特斯拉服务项目的重心，最终将会运作得非常好，届时大家都会想要使用。

马斯克8月19日在人工智能日上被问及特斯拉最终是否会让FSD成为开源软件时回答说，打造FSD系统耗资巨大，除非有人愿意不计酬劳开发这套系统，否则势必收取授权费。如果其他汽车公司想取得FSD授权并应用在他们的车型上，那就太酷了，开发FSD时并没打算仅限应用在特斯拉的电动车上。

Loup Ventures管理合伙人Gene Munster指出，2031年底特斯拉上路的电动车将有八成具备FSD功能，10年后单靠FSD就能让特斯拉拥有8500亿美元的市值。  

特斯拉的纯视觉传感器方案的实现，离不开多任务学习HydraNets神经网络架构。每辆特斯拉汽车拥有8个环绕车身、覆盖周围360°的摄像头，来获取交通信号灯、信号牌、匝道、路缘等周边信息，为神经网络学习提供了绝佳条件。

Andrej说：“我们希望能够打造一个类似动物视觉皮层的神经网络连接，模拟大脑信息输入和输出的过程。就像光线进入到视网膜当中，我们希望通过摄像头来模拟这个过程。”

多任务学习HydraNets神经网络架构可以将8个摄像头获取的画面拼接起来，并平衡视频画面的延迟和精准度。通过人工或自动标注车道、车辆、信号灯、障碍物等环境和动静物体，系统会逐帧分析视频画面，了解物体纵深、速度等信息，再将这些数据交给车队学习。

但是在这个过程中，特斯拉发现了这些参数和空间追踪是很难通过C++这个基础架构实现拼接的；有一些空间数据的输出质量不高；不同摄像头获取的物体信息不同，拼合时很难进行整体把握。

为解决这些问题，特斯拉开发了矢量空间（Vector Space）技术，同时兼具了非凸优化算法（Non-convex）、高维度两大优势。该技术可以通过8个摄像头输入的数据为基础绘制3D鸟瞰视图，形成4D的空间和时间标签的“路网”以呈现道路等信息，帮助车辆把握驾驶环境，更精准的寻找最优驾驶路径。

有了海量、精准的视频数据，特斯拉还要创造一个强大的神经网络，并对网络进行特殊布局，使这些数据能在一个总主干网络上进行整合和重新分析。因此，特斯拉自主研发了基于神经网络的训练方式。

特斯拉拥有一支由世界各地人才组成的数据标注团队，规模在1000人左右。团队每天对视频数据中的物体在“矢量空间”中进行标注，在善于把握细节的人工标注和效率更高的自动标注配合下，只需要标注一次，“矢量空间”就能自动标注所有摄像头的多帧画面。这为特斯拉带来了上百亿级的有效且多样化的原生数据，而这些数据都会用于神经网络培训。

同时，特斯拉还开发了“仿真场景技术”，可以模拟现实中不太常见的“边缘场景”用于自动驾驶培训。在仿真场景中，特斯拉工程师可以提供不同的环境以及其他参数（障碍物、碰撞、舒适度等），极大提升了训练效率。

由此，特斯拉FSD系统已可以实现每1.5毫秒2500次搜索的超高效率，预测可能出现的各种情况，并在其中找到最安全、最舒适、最快速的自动驾驶路径。 

当下，随着所需处理的数据开始指数级增长，特斯拉也在提高训练神经网络的算力，因此，便有了特斯拉Dojo超级计算机。

特斯拉的目标是实现人工智能训练的超高算力，同时还要扩展带宽、减少延迟、节省成本。这就要求Dojo超级计算机的布局，要实现空间和时间的最佳平衡。

组成Dojo超级计算机的关键单元，是特斯拉自主研发的神经网络训练芯片——D1芯片，采用分布式结构和7纳米工艺，搭载500亿个晶体管、354个训练节点，仅内部的电路就长达17.7公里，实现了超强算力和超高带宽。 

1500个D1芯片共53万余训练节点，组成了Dojo超级计算机的训练模块。由于每个D1芯片之间都是无缝连接在一起，相邻芯片之间的延迟极低，训练模块最大程度上实现了带宽的保留，配合特斯拉自创的高带宽、低延迟的连接器，算力高达9PFLOPs（9千万亿次）。

得益于训练模块的独立运行能力和无限链接能力，由其组成的Dojo超级计算机的性能拓展在理论上无上限，是个不折不扣的“性能野兽”。实际应用中，特斯拉将以120个训练模块组装成ExaPOD，它是世界上首屈一指的人工智能训练计算机。与业内其他产品相比，同成本下它的性能提升4倍，同能耗下性能提高1.3倍，占用空间节省5倍。

与强大硬件相匹配的，是特斯拉针对性开发的分布式系统——DPU（Dojo Processing Unit）。DPU是一个可视化交互软件，可以随时根据要求调整规模，高效地处理和计算，进行数据建模、存储分配、优化布局、分区拓展等任务。

不久后，特斯拉即将开始Dojo超级计算机的首批组装，并从整个超级计算机到芯片、系统，进行更进一步的完善。

对于人工智能技术，马斯克显然还有更远大的追求。他相信、特斯拉的Hardware 3.0(HW3)/一代全自动辅助驾驶(FSD)计算机将能在远优于人类的安全水平上(至少比人类好上200%或300%)实现全自动驾驶。

大约在一年后、Cybertruck电动皮卡车可能会配备HW4、二代FSD计算机，其安全驾驶能力将比人类好上400%。 

特斯拉2020年影响力报告显示，2020年在美国启动Autopilot功能的特斯拉电动车，每行驶100万英里仅出现0.2次事故。作为对照，美国整体平均值为每100万英里的行驶里程数出现2.0次事故。

Oppenheimer资深分析师Colin Rusch重申，特斯拉在颠覆电动车领域，推动产业走向可持续运输方面做得非常出色，特斯拉人工智能日也凸显出了解AI的工程师正供不应求。